Comment supprimer des éléments spécifiques dans un tableau numpy

Comment puis-je supprimer certains éléments spécifiques d'un tableau numpy? Dis que j'ai

import numpy as np

a = np.array([1,2,3,4,5,6,7,8,9])

Je veux ensuite retirer 3,4,7de a. Tout ce que je sais, c'est l'index des valeurs ( index=[2,3,6]).

Utilisez numpy.delete () - retourne un nouveau tableau avec des sous-tableaux le long d'un axe supprimé

numpy.delete(a, index)

Pour votre question spécifique:

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
index = [2, 3, 6]

new_a = np.delete(a, index)

print(new_a) #Prints `[1, 2, 5, 6, 8, 9]`

Notez que numpy.delete()retourne un nouveau tableau puisque les scalaires du tableau sont immuables, similaires aux chaînes en Python, donc chaque fois qu'un changement lui est apporté, un nouvel objet est créé. C'est-à-dire, pour citer les delete() documents :

"Une copie de arr avec les éléments spécifiés par obj supprimés. Notez que la suppression ne se produit pas sur place ..."

Si le code que je poste a une sortie, c'est le résultat de l'exécution du code.

Il y a une fonction intégrée numpy pour vous aider.

import numpy as np
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = np.array([3,4,7])
>>> c = np.setdiff1d(a,b)
>>> c
array([1, 2, 5, 6, 8, 9])

Un tableau Numpy est immuable , ce qui signifie que vous ne pouvez techniquement pas en supprimer un élément. Cependant, vous pouvez construire un nouveau tableau sans les valeurs que vous ne voulez pas, comme ceci:

b = np.delete(a, [2,3,6])

Pour supprimer par valeur:

modified_array = np.delete(original_array, np.where(original_array == value_to_delete))

N'étant pas une personne engourdie, j'ai pris une photo avec:

>>> import numpy as np
>>> import itertools
>>> 
>>> a = np.array([1,2,3,4,5,6,7,8,9])
>>> index=[2,3,6]
>>> a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))
>>> a
array([1, 2, 5, 6, 8, 9])

Selon mes tests, cela surpasse numpy.delete(). Je ne sais pas pourquoi ce serait le cas, peut-être en raison de la petite taille du tableau initial?

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))"
100000 loops, best of 3: 12.9 usec per loop

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "np.delete(a, index)"
10000 loops, best of 3: 108 usec per loop

C'est une différence assez importante (dans la direction opposée à ce que j'attendais), n'importe qui a une idée pourquoi ce serait le cas?

Encore plus étrange, passer numpy.delete()une liste est moins efficace que de parcourir la liste et de lui donner des indices uniques.

python -m timeit -s "import numpy as np" -s "a = np.array([1,2,3,4,5,6,7,8,9])" -s "index=[2,3,6]" "for i in index:" "    np.delete(a, i)"
10000 loops, best of 3: 33.8 usec per loop

Edit: Cela semble être lié à la taille du tableau. Avec de grands tableaux, numpy.delete()est beaucoup plus rapide.

python -m timeit -s "import numpy as np" -s "import itertools" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "a = np.array(list(itertools.compress(a, [i not in index for i in range(len(a))])))"
10 loops, best of 3: 200 msec per loop

python -m timeit -s "import numpy as np" -s "a = np.array(list(range(10000)))" -s "index=[i for i in range(10000) if i % 2 == 0]" "np.delete(a, index)"
1000 loops, best of 3: 1.68 msec per loop

Évidemment, tout cela n'est pas pertinent, car vous devriez toujours aller pour plus de clarté et éviter de réinventer la roue, mais je l'ai trouvée un peu intéressante, alors j'ai pensé que je la laisserais ici.

Si vous ne connaissez pas l'index, vous ne pouvez pas utiliser logical_and

x = 10*np.random.randn(1,100)
low = 5
high = 27
x[0,np.logical_and(x[0,:]>low,x[0,:]<high)]

L'utilisation np.deleteest le moyen le plus rapide de le faire, si nous connaissons les indices des éléments que nous voulons supprimer. Cependant, pour être complet, permettez-moi d'ajouter une autre façon de "supprimer" les éléments du tableau à l'aide d'un masque booléen créé à l'aide de np.isin. Cette méthode nous permet de supprimer les éléments en les spécifiant directement ou par leurs indices:

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

Supprimer par indices :

indices_to_remove = [2, 3, 6]
a = a[~np.isin(np.arange(a.size), indices_to_remove)]

Supprimer par éléments (n'oubliez pas de recréer l'original acar il a été réécrit sur la ligne précédente):

elements_to_remove = a[indices_to_remove]  # [3, 4, 7]
a = a[~np.isin(a, elements_to_remove)]

Supprimer un index spécifique (j'ai supprimé 16 et 21 de la matrice)

import numpy as np
mat = np.arange(12,26)
a = [4,9]
del_map = np.delete(mat, a)
del_map.reshape(3,4)

Production:

array([[12, 13, 14, 15],
      [17, 18, 19, 20],
      [22, 23, 24, 25]])

Vous pouvez également utiliser des ensembles:

a = numpy.array([10, 20, 30, 40, 50, 60, 70, 80, 90])
the_index_list = [2, 3, 6]

the_big_set = set(numpy.arange(len(a)))
the_small_set = set(the_index_list)
the_delta_row_list = list(the_big_set - the_small_set)

a = a[the_delta_row_list]